数据分析是指用适当的统计分析方法对收集来的大量数据进行分析，提取有用信息和形成结论而对数据加以详细研究和概括总结的过程。通过数据分析，能够指导你的业务和方向，能够用数据表明业务的增长点和不足之处。

通常数据分析的工作流程：

1.发现问题

2.想好要提取的数据

3.清洗、处理数据

4.对数据进行分析

5.得出数据分析结论并且验证是否正确

6.调整产品策略

一、发现问题

在日常工作中，经常数据会出现各种问题，比如说某个渠道的流量和昨天的数据对比，发现流量突然减少了、点击率突然增高或者降低了、产品上线后某个指标没有达到的预期目标或者是领导要求增加用户的流量和营收了等等

二、想好要提取的数据

我们发现问题之后，就要想好需要哪些数据进行分析。这里提取数据的要素是，先看影响这个指标有哪些上游和下游，把上游和下游的指标的数据按照从上游到下游的数据顺序提取出来。

这里提取的数据的时候，一般都是自己写sql，尽量学会sql，这样对工作效率和保持大数据工程师的良好关系以及你自己的产品地位都是很好的帮助。当然有数据的链条或者数据在各种表中比较麻烦的，可以让数据工程师帮忙提取数据。

三、清洗、处理数据

拿到数据之后，先用直观经验、第六感和逻辑判断一下，数据是否正确以及合理。这一步非常重要，否则这一步错了，对于后面的数据分析结论是十分致命的，最后功亏一篑，重新再来。我在工作中就碰到一次这种情况，当时拿到这份数据就开始清洗分析工作，后来汇报的时候被质疑数据的准确性，最后又加班加点重新做了一遍。

清洗数据：对数据的噪音、缺少某个链条的数据以及补充调整数据的格式等，这一步在日常工作中大家都不自觉的这样做，不再累述。

处理数据：把数据按照一定维度排列好，去除表中无关的数据。个人用的比较多的是excel的透视表和vlookup功能。还有excel常用的一些函数功能，都是用到哪些函数就上网百度，函数功能一般都很简单。

四、对数据进行分析

常用的数据分析手段基本就3种：细分、对比和趋势。在复杂点会用到聚类、回归分析和相关性分析方法。在我们发现某个指标降低时，我们拉去整体的一个数据链条，先对比哪一个指标的变动，不断的去细分对比，寻找到影响数据波动的哪些点。

我们在考虑影响这些点数据变化的因素有哪些，可能时竞争对手的原因，可能是上线后一个功能导致用户体验下降从而被影响等等，这里分析的原因考验你对数据各种维度思考和总结，还有对业务，对产品的理解的深度。这个地方是考验一个数据分析人员能力的一个重要的点。

五、得出数据分析结论并且验证是否正确

得出一定的结论，我们不要急于拍板和最终下结论，还得够用其他数据这个证明或者寻找其他时间段的维度能够证明的你的结论。这样的你的领导或者开发工程才不会质疑你。

得出最终的结论之后，你要用数据和逻辑一步一步表达的你的结论。毕竟你自己清楚可不行，还要让你的合作同事以及领导明白才行。这一步要求数据准确，得出结论的逻辑链条清晰且完整。

六、调整产品策略

作为产品经理，是最终执行策略产品落地的。所以你根据你得出的数据分析结论去调整的你产品后台逻辑，目标是放大效果或者消灭case。

上线后要及时拉去数据，去得出结论策略上线后，是否满足预期。并及时向领导和同事反馈现象。

以上就是日常工作中一个产品经理做数据分析的时候的方法了。自己有许多东西没有表达出来，写的较简单，希望大家不吝赐教。

个人微信号：17311719906